Мне нужно провести некоторую кластеризацию с использованием корреляционного расстояния, но вместо использования встроенной «корреляции» «расстояния», которая определяется как d = 1-ri, необходимо абсолютное расстояние Пирсона. В моем приложении антикоррелированные данные должны получить то же самое ID кластера. И теперь, используя функцию kmeans (), я получаю центроиды, которые сильно антикоррелированы, чего я хотел бы избежать, комбинируя их. Теперь я еще не очень хорошо разбираюсь в matlab и у меня есть некоторые проблемы с чтением функции kmeans. Можно ли будет отредактировать его для моего объявления?

Пример:

Строки 1 и 2 должны получить одинаковый идентификатор кластера при использовании расстояния корреляции в качестве метрик.

Я сделал несколько попыток отредактировать встроенную функцию matlab (открыть kmeans-> line 775), но что странно - когда я меняю функцию расстояния, я получаю действительную матрицу расстояний, но неверные кластерные индексы, не могу найти причину этого. Очень хотелось бы получить несколько советов! всего найлучшего!